一，ROI

1，针对计划单元中全部的词进行纵向出价；

针对单个词而言；

假设当前ROI值为x，当前出价为y。

当；x/y > a/b *θ 时加价，反之降价。

加价幅度参考数值；ROI/点击量

当 x/y > a/b*θ1 时，判定该词为优质词，

当 x/y < a/b*θ2时,判定该词为劣质词。

不符合两者规则者为平词。

具体参考正态分布，姑且认为关键词分布符合标准正态分布。

暂时设定判定系数，θ1为1.2，θ2为0.7.

设点击量值为c，单词当前点击量为z。

具体出价公式为；x/z /(a/c) *b *δ = y

其中δ为不同种类词频系数。

暂时设为；

针对优质词系数δ1=1.1

平词系数δ2=1

劣质词系数δ3=0.9

此种出价针对于没有历史数据，新建的计划而言，而实际上，真实出价参考三个维度。

2，历史数据横向维度

从设置自动优化开始，历史数据便要记录在库，方便随时调用。

但因为技术水平限制（写不出微积分，囧），只好取一个限定天数的历史数据来做优化。

以7天为准；

先取七天ROI中数，之后取大于中数的三个数值；x1, x2, x3

其出价分别为；y1, y2, y3,

对比；x1/y1,  x2/y2,    x3/y3 

取其中最大值。假设结果为x2/y2

将该词当前值x/y与x2/y2做对比，x与x2做对比

if：x > x2    则判断该词可以加价（对于第一种加价方法加的判断内容）

而加价最大值判断条件为； x/y max  =x2/y2*α

其中α与日限额相关，计算加权。

而最大值有两种限制方法，一种为以上计算方法，另一种为手动设置出价上限。

关于出价补充；

新开始自动优化有两天缓冲期，用来让其自动运行，跑一下数据，不进行出价干扰，但记录入库。

没数据的词进行少量加价，但判断为劣质词，不计入纵向算法参考范围，产生数据后计入参考范围，完全按照正常流程进行运算。

连续优质词标签会被计入词库，符合规则会入模板库，连续劣质词7天会被系统删除。

3，加权系数算法

具体运算参照定积分；

其中 Wi为大盘数据纵坐标

n为实际纵坐标

（以7天为周期）

此算法得出G值为指定加权系数，该系数可以用来为店铺打分，评估行业均值，服务效果等等

此外；以下是深度学习部分相关公式

补充____________________________________________

出价优化规则算法（未完全版） 出价优化规则算法（未完全版） 出价优化规则算法（未完全版） 出价优化规则算法（未完全版） 出价优化规则算法（未完全版）